[发明专利]图像数据处理方法、装置以及计算机可读存储介质有效

专利信息
申请号: 201910616020.4 申请日: 2019-07-09
公开(公告)号: CN110322416B 公开(公告)日: 2022-11-18
发明(设计)人: 吴锐正;陶鑫;沈小勇;賈佳亞 申请(专利权)人: 腾讯科技(深圳)有限公司
主分类号: G06T5/00 分类号: G06T5/00;G06T3/40;G06V10/764;G06V10/774
代理公司: 广州三环专利商标代理有限公司 44202 代理人: 郝传鑫;熊永强
地址: 518057 广东省深圳*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 数据处理 方法 装置 以及 计算机 可读 存储 介质
【权利要求书】:

1.一种图像数据处理方法,其特征在于,包括:

获取源图像与目标图像变形属性,从所述源图像中确定与所述目标图像变形属性相关联的关键像素点;

获取所述关键像素点对应的变形信息,根据所述变形信息确定自变化域;所述自变化域包括所述源图像所包含的所述关键像素点与转换图像所包含的映射像素点之间的映射关系,所述映射关系包括所述关键像素点和所述映射像素点之间的变形信息;

基于所述自变化域,对所述源图像进行转换,得到所述转换图像;所述转换图像与所述目标图像变形属性相匹配。

2.根据权利要求1所述的方法,其特征在于,所述获取源图像与目标图像变形属性,从所述源图像中确定与所述目标图像变形属性相关联的关键像素点,包括:

获取源图像与目标图像变形属性,将所述源图像与所述目标图像变形属性组合为输入矩阵;

基于生成器网络中的编码器,对所述输入矩阵进行下采样,提取所述源图像中与所述目标图像变形属性相关联的关键像素点;

则所述获取所述关键像素点对应的变形信息,根据所述变形信息确定自变化域,包括:

在所述编码器中,确定所述关键像素点对应的变形信息,生成包含所述变形信息的特征图;

基于所述生成器网络中的解码器,将所述特征图进行解码,生成所述源图像针对所述目标图像变形属性的自变化域。

3.根据权利要求2所述的方法,其特征在于,所述解码器包括第一反卷积层和第一激活函数;

所述基于所述生成器网络中的解码器,将所述特征图进行解码,生成所述源图像对应的自变化域,包括:

基于所述解码器中的第一反卷积层,对所述特征图进行反卷积,生成所述特征图对应的可视化特征图;

基于所述第一激活函数,生成所述可视化特征图对应的归一化特征图;

获取变形优化参数,基于所述变形优化参数与所述归一化特征图,确定所述源图像针对所述目标图像变形属性的自变化域。

4.根据权利要求3所述的方法,其特征在于,所述生成网络还包括目标增强神经网络;

所述获取变形优化参数,基于所述变形优化参数与所述归一化特征图,确定所述源图像针对所述目标图像变形属性的自变化域,包括:

获取变形优化参数,基于所述变形优化参数与所述归一化特征图,确定所述源图像对应的待定自变化域;

将所述待定自变化域进行双线性插值,并将双线性插值后的待定自变化域输入至所述目标增强神经网络;

基于所述目标增强神经网络,对双线性插值后的待定自变化域进行增强处理,得到所述源图像针对所述目标图像变形属性的自变化域;所述自变化域的分辨率高于所述待定自变化域的分辨率。

5.根据权利要求1所述的方法,其特征在于,所述基于所述自变化域,对所述源图像进行转换,得到转换图像,包括:

基于所述自变化域,将所述源图像进行变形,得到待转换图像;

基于所述生成器网络中的调整网络,获取所述待转换图像中所包含的像素点对应的目标调整值;

根据所述目标调整值,对所述待转换图像进行调整,得到所述待转换图像对应的转换图像。

6.根据权利要求5所述的方法,其特征在于,所述调整网络包括残差网络和掩码网络;

所述基于所述生成器网络中的调整网络,获取所述待转换图像中所包含的像素点对应的目标调整参数,包括:

将待转换图像输入至所述残差网络,从所述残差网络中,获取所述待转换图像中所包含的像素点对应的待处理调整值;

将编码器生成的特征图输入至所述掩码网络,基于所述掩码网络,确定用于标识所述源图像中与目标图像变形属性相关区域的注意力掩码;

根据所述注意力掩码与所述待处理调整值,确定所述待转换图像中所包含像素点对应的目标调整值。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司,未经腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910616020.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top